共居时间对雄性布氏田鼠配偶气味识别记忆的影响

将无交配经历的40～80日龄雌、雄布氏田鼠(Lasiopodomys brandti)配对,分别共居1、3和5 d,然后分离1 d后通过观察被试雄鼠对陌生雌鼠和配偶鼠气味的行为反应,探究了共居时间对雄性布氏田鼠配偶气味识别和记忆的影响.结果显示:配对前雄鼠对两陌生雌鼠气味选择无显著性差异;不论共居1、3还是5 d,分离1 d后被试雄鼠对陌生雌鼠和配偶鼠气味的选择和探究都没有显著差异.实验基本得出:共居5 d内,雄鼠对配偶气味信号的记忆不能维持1 d时间;但雄鼠对陌生雌鼠的探究多于对配偶鼠,虽然未达到显著性水平,却也符合布氏田鼠一雄多雌婚配制度的特征.雄鼠对配偶气味建立熟悉性可能需要更长时间,或受其他因素的影响.     

马麝头骨的性别判别分析

利用马麝(Moschuschrysogaster)头骨度量的28项指标,通过判别分析建立其头骨的性别判别函数,判定标本的性别归属,同时采用单变量分析讨论性别间各变量差异的显著性,为不完整的头骨标本提供性别判别资料。     

基于阴离子特征分析的冬枣产地鉴别

为了考察阴离子用于农产品产地鉴别的可能性,利用离子色谱测定了黄骅、沾化和大荔冬枣及土壤中多种阴离子的含量,并对数据进行了方差分析、偏相关分析、逐步判别分析(SDA)和径向基人工神经网络分析(RBF-ANN).结果表明,冬枣中F~-、Cl~-、NO_2~-、PO_4~(3-)、SO_4~(2-)和C_2O_4~(2-)在不同产地间存在显著性差异,与土壤中阴离子具有显著相关性.逐步判别分析中,上述6种阴离子的判别能力较强,所建判别方程可以准确地鉴别冬枣的产地.RBF-ANN的分析进一步证实了,6种阴离子所建模型的准确率高于全部阴离子的分析结果,Br~-对产地鉴别有一定的干扰作用,鉴别准确度降低.研究结果证实了阴离子结合统计学算法可以建立有效的冬枣产地鉴别模型,选择合适的产地因子是提高产地鉴别模型准确度的关键步骤.     

9～10周龄CB6F1与B6CF1小鼠血生化、主要脏器质量及脏器系数测定

目的测定CB6F1与B6CF1小鼠血生化、主要脏器质量和脏器系数,并进行比较分析。方法随机选取9~10周龄SPF级CB6F1与B6CF1小鼠各40只,雌雄各半。分别称重,麻醉后摘眼球采血后,颈椎脱臼处死,运用全自动生化分析仪测定血生化指标,并采集脏器测定脏器质量,计算脏器系数。结果 14项血生化指标比较,CB6F1小鼠雌雄之间有11项指标(11/14)、B6CF1小鼠雌雄之间有9项指标(9/14)、CB6F1与B6CF1小鼠雌性之间有10项指标(10/14),雄性之间11项(11/14)指标均存在显著性差异(P0.05)。CB6F1与B6CF1小鼠主要脏器质量与脏器系数比较,同品系雌雄之间,同性别2个品系之间,均有部分指标存在显著性差异(P0.05)。结论以BALB/c和C57BL/6为父母本杂交产生的不同F1代小鼠CB6F1和B6CF1,其血生化指标、脏器质量和脏器系数有所不同。     

野生和养殖三疣梭子蟹雌蟹形态学的比较研究

随机选取30只野生和养殖雌性三疣梭子蟹作为实验材料,采用主成分分析和判别分析方法研究两者形态学性状之间的差异。结果表明:在所涉及的18个形态学性状参数中,有9个形态学比例参数存在显著差异(P0.05),其中4个存在极显著差异(P0.01);经主成分分析,提取到的5个特征值均大于1,累计方差贡献率为66.563%。其中PC1的贡献率远高于其它主成分,PC1有10个主要影响变量构成;经逐步判别分析,从18个比例参数中挑选出2个判别贡献较大的变量(A2/L2,C2/L2),建立判别方程,综合判别准确率为86.3%,因此可以根据两者形态学差异和判别方程来鉴别两种蟹的来源。     

小黄鱼4个地理群体形态差异分析

为了研究不同地理群体小黄鱼的遗传分化情况,本次研究运用单因素方差分析、主成分分析、聚类分析和判别分析等统计分析方法对采自江苏吕泗(LS)、福建宁德(ND)、山东青岛(QD)和浙江象山(XS)的4个小黄鱼群体进行了形态学比较研究。单因素方差分析结果显示,33个形态比例性状中,只有一个性状在4个地理群体之间差异不显著;通过主成分分析对33个比例性状进行降维处理筛选出6个主成分,其累计贡献率为75.17%,此结果小于85%,所以依靠筛选的6个主成分对4个小黄鱼群体进行区分无法取得较为理想的效果。通过对形态性状的聚类分析,成功构建了4个小黄鱼群体的聚类树状图,对4个小黄鱼群体的亲缘关系远近有了一个初步了解,其中LS、ND和QD小黄鱼群体亲缘关系较近,而XS群体与三者的亲缘关系较远。判别分析的结果显示,通过判别函数对4个小黄鱼群体进行判别,其中LS群体判别率最高(97.5%);ND群体判别率最低(80.0%),4个群体的综合判别率为89.4%,说明通过判别分析对4个地区小黄鱼群体进行判别,具有较高准确性。本次研究采用的单因素方差分析、主成分分析、聚类分析、判别分析对4个小黄鱼地理群体的分析结果一致,均显示4个小黄鱼群体间存在一定程度的分化,但是不同地理群体之间分化程度存在一定差别。     

基于不同判别准则的硬岩矿柱状态识别模型

基于162个硬岩矿柱样本,构建不同判别准则下矿柱状态识别的Fisher判别分析(FDA)模型、距离判别分析(DDA)模型和Bayes判别分析(BDA)模型,进而与多元逻辑回归(MLR)、极限学习机(ELM)、最小二乘支持向量机(LS-SVM)、支持向量机(SVM)、高斯过程分类(GPC)、分类回归树(CART)、神经网络(ANN)共7种常用的统计学习方法进行比较,同时探讨主成分分析(PCA)方法提高识别准确率的可行性,并对矿柱状态影响因子进行敏感性分析。研究结果表明:这10种统计学习方法中,GPC的准确率最高,FDA的准确率次之,然后是MLR,CART的准确率最低;对于3种判别分析方法,FDA的准确率最高,DDA与BDA的准确率几乎相当;增加判别指标,DDA和BDA的判别准确率显著降低,其他方法对判别指标增减不敏感;对某些方法,原始数据经PCA处理后不能提高其判别准确率;矿柱状态对矿柱应力最敏感,其次是矿岩单轴抗压强度,其对矿柱宽高比的敏感性较低。     

Fisher′s判别分析在性别鉴定中的应用

本文对57例(男36,女21)国人髋骨进行了16个项目的测量,并进行了性别判别分析。研究结果表明:16个测量项目中有6项判别效果较好。本文采用Fisher's判别分析建立了4个性别判别函数,判别率达90％以上。     

猕猴颅骨变量和面角的性差研究

本文对27例(9♂,18♀)成年太行山猕猴颅骨有关变量进行单因素方差分析和多变量性别判别分析.结果表明,太行山猕猴的颅骨变量有明显的性别差异,15项变量中有9项性别间差异显著,其中3项变量有极显著性差异;颅骨的面角雄性较雌性小3.43°,颅骨单项变量性别判别率较低,范围在51.95%～74.10%之间,通过全模型和逐步选择法建立颅骨变量的判别函数,判别率分别为96.30%和74.10%.     

塔里木裂腹鱼和厚唇裂腹鱼多变量形态学分析

运用多变量形态度量学方法,对新疆喀拉喀什河和玉龙喀什河塔里木裂腹鱼和厚唇裂腹鱼67尾个体框架结构测量中的31个指标进行了分析。两种裂腹鱼类有5个性状存在极显著差异(P0.01),6个性状存在显著差异(P0.05)。主成分分析显示前三个主成分贡献率分别为5.336%、4.540%和3.114%,累积贡献率分别为17.21%、31.86%和40.90%。对两种裂腹鱼类特征变量进行逐步判别分析,结果显示二者判别成功率为均达到90%以上,识别度较高。基于31个形态学特征的三维主成分分布可以看出,尽管个体间存在交叉散布现象,但两种裂腹鱼群体整体上能够形成相对独立的组群。基于形态学特征变量的聚类结果也证实了这一结论,表明基于多变量的形态学方法可以将不同种类的裂腹鱼进行区分。     

中日褐菖鲇群体耳石形态学比较分析

利用判别分析、主成分分析和聚类分析等多元统计分析方法,对中国、日本4个褐菖蚰群体耳石的8个形状指标和77个椭圆傅里叶参数进行分析．判别分析结果显示,这4个褐菖铀群体综合判别正确率为89．1％,各群体判别正确率在79．2％--100％之间;聚类分析结果显示,中国惠州和海口的褐菖鼬群体聚为一支,日本横须贺和伯方岛群体聚为另一支;主成分分析结果显示,前17个主成分累积贡献率为96．25％．研究结果表明中国、日本褐菖触群体在耳石形态上存在显著差异．     

基于支持向量的判别准则的比较

在经典线性判别分析(LDA)和软间隔支持向量机(C-SVM)的基础上,提出了支持向量判别分析(SVDA)和基于支持向量的极大化间隔判别分析(MSVDA).为了说明SVDA和MSVDA对分类问题的有效性和实用性,利用UCI数据库中的Wine数据和Iris数据进行了对比实验.实验结果表明,总体上,SVDA和MSVDA均比LDA有效.     

基于聚类评分的暴雨/冰雹分类模型

针对暴雨和冰雹2种强对流天气的区分问题,研究了主成分分析联合线性鉴别分析对雷达图像中提取的冰雹及暴雨特征降维和去相关的作用,设计了基于聚类评分的暴雨/冰雹分类模型,采用K均值聚类评分的办法确定具有高分类性的主成分,并以此主成分设计分类器对暴雨和冰雹进行区分.结果表明:主成分分析联合线性鉴别分析进行特征处理能够在降维的同时保留大部分分类性信息,基于聚类评分的分类模型有利于提高冰雹识别的命中率并降低其误警率,且对一般类型公共数据分类问题有效.     

黄颡鱼形态性状对体重的影响效果分析

选取了初孵仔鱼100日龄的黄颡鱼526尾,测定了全长、体长、尾柄长、尾柄高、体高、头长、头宽和体重等8项性状。采用相关分析、通径分析和多元回归分析方法对黄颡鱼8个形态性状与体重进行相关性分析。剔除了对体重影响不显著的尾柄长,计算了其他性状为对体重的相关系数、通径系数、决定系数及相关指数等,并建立所测性状对体重的回归方程。结果显示:黄颡鱼所测7个形态性状与体重的相关系数均为极显著水平(P0.01);而剔除尾柄长后,其余性状对体重的通径系数也均达到极显著水平;所选形态性状对体重的决定系数为R2=0.915,表明主要自变量都已被纳入。通过直接作用与间接作用的分析,明确全长、体长与头长是影响体重的主要自变量,其中体长的作用最大。     

安徽建筑业区域发展水平的比较分本斤

以有效的统计数据和因子分析方法为基础，对安徽省17个市（或地区）的建筑业发展水平进行了排序和分类，并结合公共因子的经济意义，考察安徽省建筑业区域发展水平是否均衡。     

基于不相关局部敏感鉴别分析的新生儿疼痛表情识别

针对新生儿疼痛表情识别中的特征提取问题,提出一种不相关局部敏感鉴别分析（Uncorrelated Locality Sensitive Discriminant Analysis,ULSDA）算法.首先,在局部敏感鉴别分析（LSDA）算法的基础上,通过附加投影向量正交性的约束条件,定义了ULSDA的目标函数;然后,推导出求解特征子空间正交投影向量的迭代公式;最后,将输入的高维图像数据投影到这个特征子空间,求出特征向量.ULSDA算法不仅继承了LSDA算法所具有的有监督、局部流形结构保持等特性,而且消除了LSDA算法所提取出的鉴别特征的相关性,从而增强了特征的鉴别能力,比LSDA算法具有更好的分类识别能力.在新生儿表情图像库上的疼痛表情识别实验结果表明,提出的ULSDA方法是有效可行的.当每类表情的训练样本图像为150幅时,采用ULSDA算法获得的平均识别率达到了82.07％,优于主成分分析（PCA）、线性鉴别分析（LDA）、局部敏感鉴别分析（LSDA）等特征提取方法.     

鉴别相对梯度直方图特征提取与分类方法简

在相对梯度直方图特征的基础上,结合Fisher线性鉴别分析和角度距离相似性度量方法,提出了一种鉴别相对梯度直方图特征提取与分类方法。充分利用相对梯度直方图和鉴别分析的优势,使所得特征保留更多的对分类有利的信息;引入角度距离相似性度量,很好地克服了传统余弦相似性度量的缺陷,使人脸分类更准确。通过FERET、YaleB和PIE 3个人脸图像子集上的实验证实,鉴别相对梯度直方图特征提取与分类方法能显著提升图像梯度描述特征的分类精度,并对人脸的光照变化具有良好的健壮性。     

一种基于数据挖掘的隐私保护方法

在数据挖掘隐私保护进行协作数据分析时,部分数据集可能分属不同的数据对象,处理时就需要采取不同的数据失真方法.提出了一组全新的数据失真优化策略,通过将属性划分与奇异值分解法(SVD)、非负矩阵因子分解法(NMF)、离散小波变换法(DWT)相结合,运用4种方案对隐私保护原始数据集的子矩阵进行扰动,并用一些衡量指标来衡量这些策略的效果;利用基于支持向量机(SVM)的二元分类来进行数据实用性的检测.结果表明与数据失真单策略相比,新提出的方案在实现数据隐私和数据实用性的良好平衡方面效果十分显著,为协作数据分析提供了可行性解决方案.     

咖啡因对 CUMS 抑郁模型小鼠行为的影响

摘要: 目的 探讨咖啡因对慢性不可预见轻度应激( Chronic unpredictable mild stress,CUMS) 抑郁模型小鼠行为的影响。方法 选用 C57BL/6J 小鼠 48 只,分为正常 + 生理盐水组、正常 + 30 mg / kg 咖啡因组、模型 + 生理盐水组和模型 + 咖啡因组( 分别为 5、15 和30 mg / kg) 6 个处理组。利用制作的 CUMS 抑郁模型,分别给予生理盐水作对照或用不同剂量的咖啡因进行干预,持续造模 22 d,观察小鼠的体质量增长变化,用旷场实验及液体消耗实验测定小鼠行为改变。结果 造模 22 d 后,与正常 + 生理盐水组小鼠相比,模型 + 生理盐水组小鼠的体质量增长、水平垂直运动、液体消耗均未达到显著差异( P ＞ 0. 05) 。与模型 + 生理盐水组小鼠相比,模型 + 咖啡因组( 5 mg / kg 和 30 mg /kg) 小鼠的糖水消耗量和糖水偏爱百分比显著增高( P ＜ 0. 05) 。结论 实验表明 CUMS 抑郁模型用 C57BL/6J 小鼠较难成功建构; 咖啡因对小鼠 CUMS 抑郁模型的行为改变有部分改善作用,并呈剂量相关性; 同时证明咖啡因的行为改善作用不是通过兴奋大脑皮层所致。该实验结果提示咖啡因具有潜在的抗抑郁作用。     

基于费歇判别分析的企业财务困境预警研究

选取2011年127家ST公司为财务困境公司,并对每个困境公司进行配对,利用财务困境公司和非财务困境公司T-2年现金流量数据,在费歇判别分析基础上,利用现金与总资产比率、每股收益增长率、净资产增长率、每股经营现金净流量和净利润现金含量5个现金流指标构建现金流量财务困境预警模型,模型整体判别准确率为88.2%.最后,通过ROC曲线对模型判别结果进行检验。